摘要
本发明提供一种列车自动运行控制方法、装置、设备、存储介质及产品，该方法包括：将当前列车运行状态输入策略网络，得到控制动作概率分布；将控制动作概率分布输入MPC控制器，预测未来列车运行状态和输出数据；将未来列车运行状态和输出数据输入值函数网络，得到在当前状态下采取各个可行动作的累计回报估计值；基于累计回报估计值和控制目标对控制动作概率分布进行优化，得到优化后的控制动作概率分布，以调整列车的控制动作，实现列车运行控制。本发明通过将策略网络和值函数网络整合到MPC控制器中，可以将学习到的控制策略应用到列车的实时运行中，实现最优的列车运行效果，提高列车运行舒适性、控制精度和鲁棒性。
